摘要：
前情回顾 在上一篇中，我们执行了一个 update 语句，但是却被 block 住了，经过一番查询，发现是另一个人也在 update 同一个表，但是没有 commit 。 修改也很简单， commit 一下即可。 新的问题 我们有一个 Loader 模块，其作用是把数据从文件写入到数据库表中。 最终 阅读全文
摘要：
问题 在开发时，遇到一个问题，我运行了一个简单的 update 语句如下： update table_a set column_b = 'something' where condition_c = 'blablabla'; 但是，执行了很久都没有完成。等了大概有 5 分钟，还在 run 。这个表不 阅读全文
摘要：
发现问题 某云服务器上，接连收到多个警报，示例如下： 综合起来，问题主要集中在以下文件： /usr/bin/dbused (deleted) /tmp/x64b (deleted) /tmp/x64b /tmp/.dbusex/dbusex 我登陆到服务器控制台一看，CPU使用一直在接近100%的状 阅读全文
摘要：
问题 在服务器上起了HDFS+Yarn，然后提交了一个作业： hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar pi 1 2 但是运行的时候报错，Console的log如下： 2020 阅读全文
摘要：
问题 在本地写了一个Java程序，操作云端的HDFS文件系统，执行ls没有问题。 在本地写了另外一个Java程序，连接云端的HDFS做MapReduce操作，报错如下。 片段1：在开始做map 0% reduce 0%操作时，报了一个Connection refused。 2020-10-31 09 阅读全文
摘要：
问题 使用Hadoop时，每次起NameNode，DataNode，或者使用命令hadoop fs -ls的时候，都会出现如下提示 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… 阅读全文
摘要：
问题 在阿里云上我部署了一个 Single Cluster 的 HDFS，使用hadoop fs -ls /查看没有问题。 然后，在本地我跑了一个Java程序，想要连接阿里云的 HDFS 并进行基本操作。但是运行的时候报错了，关键信息如下： java.net.ConnectException: Co 阅读全文
摘要：
问题 我司的项目都是模块化的，一个大项目下面有很多小项目。某一个开发阶段，开发人员可能要同时修改5-6个项目。 所以，每天早上到办公室的第一件事，我会打开SourceTree（一个管理Git代码的软件，提供图形化界面），把每个正在开发的项目更新一下（点一下Pull那个按钮）。 如果有还没来得及 co 阅读全文
摘要：
问题 在工作中，部署工具一般只负责把tar/jar包上传到公司的一个中心服务器C上。如果我们在开发的服务器A上，要部署最新代码运行，还需要费一番周折。 观察到的开发人员常用的一个方法是：从服务器C先将包先下载到本机L，然后再从本机L上传到服务器A。 当有多个项目（10+）时，这是一件非常繁琐的事。需 阅读全文
摘要：
当我们自己跑一个小程序时，可以用类似java app.jar的命令直接跑。而在实际的生产/开发环境，除了classpath外，还会加上一大堆JVM运行参数。 下面，就对一个实例进行分析： -Xms140G // 最小堆 -Xmx140G // 最大堆 -Xss10M // 栈空间 -XX:Metas 阅读全文
摘要：
在工作中，有些活是富有创造力的，而有些活是相对繁重而重复的。如果转换一下思维，用一个另一个思路去做冗余的工作，可能就会轻松许多。 下面就是一个例子。 问题 我们系统的工作流如下：上游A系统把文件上传到B平台，然后C系统（我们）从B平台获取文件，并处理，再给下游系统使用。 A -> B -> C -> 阅读全文
摘要：
需求 本地有一台机器使用Linux系统，需要SSH（免密码登录）到云端的两台Server上。 按照网上的教程试了一下，发现配置第一台可以，配置第二台的时候就有些问题了。于是花了些时间研究了下，下面是详细的过程。 至于SSH的原理，可以参考搜索这里：[Public-key cryptography] 阅读全文
摘要：
定义 Celery is a simple, flexible, and reliable distributed system to process vast amounts of messages, while providing operations with the tools requir 阅读全文
摘要：
认识Spark SQL 认识Spark Streaming Spark SQL Competitor Hive Apache Drill Amazon EMR Data Sources JSON CSV Parquet Hive Adventage Optimizations Predicate p 阅读全文
摘要：
Understanding Cluster Deploying to a Cluster Spark Submit Job Understanding Cluster 在运行Spark时，有两种模式，一种是Local，一种是Cluster。顾名思义，前者是单点的，后者是集群的。对于不同的模式，在写代 阅读全文
摘要：
深入解析：Shared Variables 深入解析：RDD Persistence 深入解析：RDD Key Value Pairs API 额外知识点：Implicit Conversion Shared Variables 一般来说，Spark中的变量都是local变量，每个executor都 阅读全文
摘要：
进一步介绍了Transformation操作 进一步介绍了Action操作 知识点解析：Function 知识点解析：Suffle Transformation map map(func) converts each element of the source RDD into a single e 阅读全文
摘要：
介绍了Spark中最重要的概念RDD 介绍了RDD的基本操作（Transformation & Action） 介绍了RDD的血缘关系（Lineage） 介绍了RDD的依赖类型（Narrow & Shuffle） 介绍了RDD的阶段（Stage） 介绍了RDD的缓存（Cache） 实战：Loadin 阅读全文
摘要：
介绍了Spark的特点，历史 介绍了Spark的安装 介绍了Spark的局限性 介绍了Spark的基本工作原理 演示了一个Hello World例子 演示了一个Initiation例子 Source Spark是大数据学习的一个常用框架，很重要。下面就对以前曾经上过的课程做一个总结回顾。 （注：本文 阅读全文
摘要：
在实际工作中，我们可能会遇到几十个常用table，每个表有几十个column，很难一下子把它们都记住。 每次使用desc TableA手动查询，效率比较低。特别是碰到DB slowness，就只能干等着，很急。 所以需要做一个可以便捷更新的数据库文档。 最终，我选用了开源的screw来实现。Gith 阅读全文